WikiLLM-Technologie
Von Rohdokumenten zum kompilierten Unternehmensgedächtnis — nicht RAG, sondern Wissenskompilierung.
Die Kernidee: Kompiliertes Wissen statt RAG
Traditional RAG
Nichts akkumuliert sich. Kein Lerneffekt.
WikiLLM (ROZUM)
Jede Quelle bereichert das Gesamtwissen.
Die meisten KI-Systeme arbeiten mit RAG: Bei jeder Anfrage werden Dokumentfragmente gesucht und zusammengesetzt. Das Wissen wird jedes Mal von Null aufgebaut — nichts akkumuliert sich.
WikiLLM arbeitet anders. Statt bei jeder Anfrage Wissen neu zusammenzusuchen, baut das System ein persistentes, verlinktes Wiki auf — ein strukturiertes Netz aus Zusammenfassungen, Entitäten, Konzepten und Querverweisen. Neues Wissen wird einmal kompiliert und dann aktuell gehalten.
Die Idee basiert auf dem Konzept von Andrej Karpathy (LLM Wiki): Das LLM wird zum disziplinierten Wiki-Pfleger. Es liest Quellen, extrahiert Kerninformationen, aktualisiert bestehende Seiten und pflegt Querverweise — automatisch und nachvollziehbar.
Vier-Ebenen-Architektur
ROZUM erweitert die WikiLLM-Idee um Enterprise-Governance.
Source & Provenance
Unveränderliche Rohdaten mit SHA-256-Hash, Versionen, ACL-Snapshots und Herkunftsnachweis. SharePoint, Netzlaufwerke, ERP, PDF-Archive.
Compiled Knowledge
Zusammenfassungen, Entitäten, Konzepte, Vergleiche, Widersprüche — strukturiert, verlinkt und mit Quellenangabe. Das persistente Unternehmens-Wiki.
Retrieval & Reasoning
Hybrid-Suche: Tree-Reasoning, lexikalische und Vektor-Suche, Graph-Traversal, Reranking, Quellenprüfung, kalibrierte Verweigerung bei unzureichender Evidenz.
Governance & Control
Identitätsmanagement, Richtlinien, ACL-Synchronisation, Audit-Trail, Aufbewahrung, Löschung — angewendet bei jedem Übergang, nicht als äußere Hülle.
Permission-Aware Knowledge
Das Kritische, was WikiLLM allein nicht löst: Wenn eine Wissensseite aus drei Dokumenten mit unterschiedlichen Berechtigungen erstellt wird, sieht ein Nutzer sie nur, wenn er Zugang zu allen relevanten Quellen hat. Berechtigungen werden vererbt, nicht ignoriert.
Kostenvergleich: Lokal vs. Cloud
Open-Source LLMs auf Ihrem Server eliminieren laufende Token-Kosten. Die Differenz wächst mit jeder zusätzlichen Nutzung.
| ROZUM Lokal | Cloud API | |
|---|---|---|
| Token-Kosten/Jahr | ~€200-500 (Strom) | €10.000-20.000 |
| Hardware (einmalig) | €4.000-8.000 | — |
| Skalierung | Kostenlos | Linear steigend |
| Vendor Lock-in | Keins | Hoch |
Unterstützte Modelle
Alle Modelle: MIT/Apache-Lizenz, kommerzielle Nutzung erlaubt, kein Vendor Lock-in.